Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidade I
Parte 7
Probabilidade Condicional e
Independência
Probabilidade Condicional
Probabilidade Condicional: encontrar a probabilidade de um evento quando
você tem alguma outra informação sobre o evento.
3/36
Probabilidade Condicional
Como saiu 4 no primeiro dado, há 6 resultados possíveis:
Ω1 = {(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)}
Considere os eventos:
P(B ∣ A)
4/36
Probabilidade Condicional
Suponha que o resultado do experimento esteja contido no evento A.
P(A ∩ B)
P(B ∣ A) =
P(A)
5/36
Exemplo: Lançamento de dois dados
Voltando ao exemplo dos dois dados.
A = {(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)}
P(A ∩ B) 1/36 1
P(B ∣ A) = = =
P(A) 6/36 6
6/36
Exemplo: Qual a chance de cair na malha fina?
80.2 milhões de declarações.
7/36
Exemplo: Qual a chance de cair na malha fina?
Espaço amostral:
Ω = {(A, sim), (A, não), (B, sim), (B, não), (C, sim), (C, não), (D, sim), (D, não)
Considere os eventos:
· = {caiu na malha fina} ={(A, sim), (B, sim), (C, sim), (D, sim)}
80/80200
= = 0.007
10700/80200
8/36
Exemplo: Qual a chance de cair na malha fina?
Probabilidade condicional por faixa de renda em 2002
Renda X Caiu na Malha Fina? Sim Não Total
9/36
Exemplo: Qual a chance de cair na malha fina?
Probabilidade condicional por faixa de renda em 2002
Renda X Caiu na Malha Fina? Sim Não Total
10/36
Independência
Vimos que:
P(A ∩ B)
P(B ∣ A) =
P(A)
Regra da multiplicação:
P(A ∩ B) = P(A)P(B ∣ A)
P(A ∩ B) = P(A)P(B)
11/36
Exemplo
Considere o lançamento de dois dados “justos” (36 resultados possíveis têm a
mesma probabilidade de ocorrer).
Considere os eventos:
Perguntas:
12/36
Exemplo
Eventos A e B são independentes?
1
P(A ∩ B) = P({(3, 5)}) =
36
6
P(A) = P({(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)}) =
36
5
P(B) = P({(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)}) =
36
1 6 5
P(A ∩ B) = ≠ P(A) × P(B) = ×
36 36 36
13/36
Exemplo
E os eventos A e C são independentes?
1
P(A ∩ C) = P({(3, 4)}) =
36
6
P(A) = P({(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)}) =
36
6
P(C) = P({(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}) =
36
1 6 6
P(A ∩ C) = = P(A) × P(C) = ×
36 36 36
14/36
Exemplo
Suponha que A e B sejam dois eventos disjuntos.
A e B são independentes?
P(A ∩ B) = 0 ≠ P(A)P(B).
15/36
Exemplo
Em uma família com duas crianças, considere os eventos:
Portanto,
16/36
Exemplo
Em uma família com duas crianças, considere os eventos:
Então, P(B e
1
∩ A) = P(B) =
4
1 1 1
P(A)P(B) = × = ≠ P(B ∩ A)
2 4 8
17/36
Chutar as respostas e ainda passar na prova
Chutar: escolher as respostas ao acaso
Espaço amostral:
18/36
Chutar as respostas e ainda passar na prova
Quais as probabilidades dos eventos do espaço amostral?
= (0.2)(0.2)(0.2)
3
= (0.2) = 0.008
19/36
Cinto de segurança e acidentes
Não (C
¯
) 162527 1601 164128
2111
P(S̄ ) = = 0.004
577006
Qual a probabilidade de que a pessoa morreu dado que ela usava o cinto de segurança?
P(S̄ ∩ C) 510
P(S̄ ∣ C) = = = 0.001
P(C) 412878
20/36
Cinto de segurança e acidentes
Não (C
¯
) 162527 1601 164128
Qual a probabilidade de que a pessoa morreu dado que ela não usava o cinto de segurança?
P(S̄ ∩ C̄ ) 1601
P(S̄ ∣ C̄ ) = = = 0.01
P(C̄ ) 164128
2111
P(S̄ ) = = 0.004
577006
21/36
Exemplo
Uma sacola contém 10 sementes de flores vermelhas e 5 de flores brancas.
Selecionamos duas sementes ao acaso, uma a uma e sem reposição.
Defina os eventos:
Então:
10 2 5
P(A) = = e P(B|A) =
15 3 14
22/36
Teorema de Bayes
Considere dois eventos quaisquer A e B.
· o elemento está em A e em B;
· o elemento está em A, mas não está em B.
23/36
Teorema das Probabilidades Totais
Vimos que: P(A) c
= P(A ∩ B) + P(A ∩ B )
E sabemos que:
c c c
P(A ∩ B ) = P(A ∣ B )P(B )
Então reescrevemos:
c c
P(A) = P(A ∣ B)P(B) + P(A ∣ B )P(B )
24/36
Teorema das Probabilidades Totais
Seja {B1 , … , Bn } uma partição de eventos de Ω e A um evento em Ω.
Então,
n
25/36
Teorema de Bayes
Se considerarmos a partição B e Bc do espaço amostral Ω e A um evento em Ω.
Então:
P(A ∣ Bi )P(Bi )
P(Bi ∣ A) = n
∑ P(A ∣ Bi )P(Bi )
i=1
26/36
Exemplo: Teste de diagnóstico
Um exame de sangue é 99% efetivo em detectar uma certa doença quando esta
está presente. No entanto, 2% são falso-positivos. Suponha que 0,5% da
população tem a doença.
Temos que,
· 2% são falso-positivos.
27/36
Exemplo: Teste de diagnóstico
Considere os eventos: D = {estar doente} e T P = {testar positivo}, temos que
c
P(T P ∣ D) = 0.99, P(T P ∣ D ) = 0.02 e P(D) = 0.005
Então,
P(T P ∣ D)P(D)
P(D ∣ T P) =
P(T P)
P(T P ∣ D)P(D)
=
c c
P(T P ∣ D)P(D) + P(T P ∣ D )P(D )
0.99 × 0.005
= = 0.20
0.99 × 0.005 + 0.02 × 0.995
28/36
Câncer de Mama
Câncer de mama afeta 1% das mulheres.
Suponha que sua mãe faz uma mamografia e o resultado é positivo. Qual é a
probabilidade dela realmente estar com câncer de mama?
29/36
Exemplo: Companhia de Seguros
Uma companhia de seguros acredita que as pessoas
podem ser divididas em duas categorias:
30/36
Exemplo: Companhia de Seguros
Pergunta: Qual a probabilidade de que o novo cliente
tenha um acidente durante o primeiro ano?
Considere os eventos:
31/36
Exemplo: Companhia de Seguros
Pergunta: Se um novo cliente tem um acidente
durante o primeiro ano, qual é a probabilidade de
que ele pertença à categoria 1?
0.1 × 0.2 1
= =
0.06 3
32/36
Exemplo: DNA e crime
Dado que o réu é inocente (I ), suponha que a
probabilidade do DNA dele ser compatível (C ) com o
DNA encontrado na cena do crime seja 1 em um
milhão.
P(C ∣ I ) = 0.000001
Dado que o réu é culpado (Ī ), suponha que a probabilidade do DNA dele ser
compatível com o DNA da cena do crime seja 0.99.
P(C ∣ Ī ) = 0.99
33/36
Exemplo: DNA e crime
Queremos P(I ∣ C) , sendo que P(I ) = P(Ī ) = 0.5
P(C ∣ I )P(I )
=
P(C ∣ I )P(I ) + P(C ∣ Ī )P(Ī )
0.000001 × 0.50
=
0.000001 × 0.5 + 0.99 × 0.5
= 0.000001
34/36
Exemplo: DNA e crime
Encontre a probabilidade do réu ser inocente dado que
o DNA é compatível, sendo que a probabilidade
incondicional dele ser inocente, P(I ), é 0.99.
P(C ∣ I )P(I )
=
P(C ∣ I )P(I ) + P(C ∣ Ī )P(Ī )
0.000001 × 0.99
=
0.000001 × 0.99 + 0.99 × 0.01
= 0.00001
35/36
Leituras
· OpenIntro: seção 2.2.
· Ross: seções 4.5, 4.6
· Magalhães: capítulo 2
· Samara Kiihl
· Tatiana Benaglia
· Larissa Matos
· Benilton Carvalho
36/36